共查询到20条相似文献,搜索用时 31 毫秒
1.
针对神经网络在轴承工作状态诊断中存在的问题,提出了将最小二乘支持向量机用于轴承的智能诊断。基于轴承故障信息,用最小二乘支持向量机方法建立多类故障分类器,以实现对故障的诊断。仿真证明:小样本情形下,最小二乘支持向量机比神经网络具有更好的识别和诊断准确率。 相似文献
2.
传统支持向量机应用于财务困境预测时,需要求解复杂的二次规划问题,求解难度大。而最小二乘支持向量机模型可以将二次规划问题变成一个线性方程组来求解,有效降低了模型求解的难度。尤其是将遗传算法应用于最小二乘支持向量机模型参数和核参数的优化时,显著提高了模型预测的正确率。本文从沪深两市随机抽取了2002年-2007年252家A股上市公司作为研究样本,并把研究样本分为两组,对这两组样本数据分别进行了短期及中长期预测。实证结果表明,基于遗传算法的最小二乘支持向量机模型的预测效果不但好于传统统计类Logit模型,也优于传统支持向量机模型。短期预测效果显著优于中长期预测效果,训练样本数直接影响到模型的预测效果,二者呈正相关关系。 相似文献
3.
基于最小二乘支持向量机的数据挖掘应用研究 总被引:6,自引:0,他引:6
随着数据仓库技术、联机分析技术的发展。基于数据库的数据挖掘已成为一种重要的数据处理手段。最小二乘支持向量机作为一种新的机器学习方法。具有全局收敛性和良好的泛化能力。本文将其应用于数据挖掘的分类与预测研究。通过棱函数的选择及参数优化,并结合支持向量机、多层感知器神经网络模型及判别分析方法进行比较研究,证明最小二乘支持向量机作为一种有效的数据挖掘算法具有较高精度。 相似文献
4.
根据油罐故障分析,建立了油罐故障诊断模型。采用新型的支持向量机-最小二乘向量机(LS-SVM)的算法对此诊断模型进行预测,获得了满意的效果。该方法易于使用,很少受不确定性因素的影响,有很高的预测准确性。 相似文献
5.
为了提高预测精度,提出了一种改进的最小二乘法线损预测技术。算法首次将核偏最小二乘回归算法应用于线损率预测。实验表明,提出的方法能够较好地克服变量相关性和非线性因素对预测模型的不利影响。 相似文献
6.
7.
8.
为了解决目前常用的非线性预测模型算法中过学习、存在局部极小值等不易解决的问题,本文提出一种基于最小二乘支持向量机对非线性过程建模并用广义预测控制进行在线滚动控制的算法。仿真结果表明,该控制算法具有很好的控制性能。 相似文献
9.
利用主成分分析法建立以主成分为输入变量而以入境旅游客流量为输出变量的超松弛最小二乘支持向量机预测模型.通过实例验证和比较,演示了基于主成分分析改进的超松弛最小二乘支持向量机入境旅游客流量预测模型有较好的预测效果和较高的推广价值. 相似文献
10.
11.
《内蒙古科技与经济》2017,(16)
本论文通过复合偏最小二乘法重建光谱反射率,将预测色块与训练集色块距离进行比较,对于不同距离的色块采用多主成分数偏最小二乘法和普通偏最小二乘法进行不同的运算,最终得到反射率预测结果,并且与普通偏最小二乘法(PLS)作比较。通过实验得到,复合偏最小二乘法的重建精度明显优于PLS方法,并且复合偏最小二乘法的平均GFC达到99.68%。 相似文献
12.
本文将核偏最小二乘方法引入顾客满意度指数模型,既保持了偏最小二乘方法对样本数据的分布没有要求的特点,有效地处理自变量之间的多重共线性,又能利用核函数的非线性映射能力,较好地反映顾客满意度与各影响因素之间的非线性关系。 相似文献
13.
14.
采用蜻蜓算法(DA)和最小二乘支持向量机(LSSVM)的方法,解决生产过程中小批量产品在质量预测方面的问题。首先以汽车变速箱轴承内圈孔直径的尺寸作为预测数据,连续观测12个单位时间,并记录每个单位时间轴承内圈孔直径的尺寸数据,进行归一化处理;其次采用LSSVM对变速箱轴承内圈孔直径加工过程变化进行量化分析,并采用蜻蜓算法优化LSSVM参数;最后将DA-LSSVM综合方法与多种预测模型进行对比分析。结果表明,DA-LSSVM方法可以提高预测模型的训练预测精度,缩短训练时间。 相似文献
15.
16.
17.
以城市生活用水量为预测研究对象,选取6个社会经济发展因素作为主要变量因子,建立偏最小二乘回归模型。研究分析表明,各变量因子间存在较强的多重共线性,采用偏最小二乘回归模型能有效克服各类因子变量间的多重共线性对模型拟合精度及其预测能力的影响,取得更接近现实的预估结果(平均相对误差为2.7%)。研究还发现,数据序列的长度和变量近期的变化信息也会对模型的预测精度产生重要的影响。 相似文献
18.
对影响电力负荷因素之间的非线性,有效提高电力负荷的预测精度,本文提出了一种最小二乘支持向量机(LSSVM)和粒子群优化技术(PSO)相结合的电力负荷预测方法。以历史负荷数据气象因素等作为输入,建立预测模型,对未来时刻电力负荷进行预测。该模型利用结构风险最小化原则代替传统的经验风险最小化,以充分挖掘原始数据的信息,并采用粒子群优化算法来优化最小二乘支持向量机的参数,旨在提高预测模型的训练预测精度。实际算例表明,使用PSO-LSSVM方法进行电力负荷预测,具有良好的可行性和有效性,与BP神经网络和LSSVM方法的预测结果相比,所提出的PSO-LSSVM模型预测平均误差仅为0.85%,具有更高的精度,适用于电力负荷预测。 相似文献
19.
采用最小二乘支持向量机进行除尘效率建模,并利用遗传算法对运行工况寻优,获得优化除尘效率的调整方式。仿真计算表明遗传算法能很好地对以除尘效率为目标的除尘模型优化。以优化调整方式的相应参数作为当前负荷下的基准值,可指导运行人员进行参数优化调整。现场试验表明,按此基准值运行,可以提高除尘效率,从而使除尘系统性能达到优化。 相似文献
20.
目前,决策支持系统提供的数据已成为各行各业高层领导进行各类决策的重要依据。通过对传统的决策支持系统综合分析,提出目标决策系统所需要解决的问题,根据最小二乘法以及线性回归方法的原理,分析了线性回归预测步骤。 相似文献